Tout le monde parle d'intelligence artificielle. Mots simples, expliquer que cela

"Je veux faire II. Que devrais-je explorer? Quelles langues utiliser? Dans quelles organisations apprennent et travailler? "

Nous avons fait appel à clarifier nos experts et nous recevons les réponses que nous présentons à votre attention.

Cela dépend de votre formation de base. Tout d'abord, une culture mathématique est nécessaire (connaissance des statistiques, la théorie des probabilités, les mathématiques discrètes, l'algèbre linéaire, l'analyse, etc.) et la préparation à apprendre rapidement. Lors de la mise en œuvre des méthodes II, la programmation (algorithmes, structures de données, oop, etc.) sera nécessaire.

Différents projets nécessitent posséder différentes langages de programmation. Je recommanderais de connaître au moins Python, Java et tout langage fonctionnel. Nous utilisons l'expérience avec diverses bases de données et des systèmes distribués. Pour explorer rapidement les meilleures approches utilisées dans l'industrie, une connaissance de l'anglais est requise.

Je recommande d'apprendre dans de bonnes universités russes! Par exemple, à MIPT, MSU, HSE existe des départements pertinents. Une grande variété de cours thématiques est disponible sur Coursera, EDX, Udacity, Udemy et d'autres sites MOOC. Certaines organisations de premier plan ont leurs propres programmes de formation (par exemple, l'école d'analyse de données Yandex).

Les tâches appliquées résolues par les méthodes d'AI peuvent être trouvées dans une grande variété de places. Banques, secteur financier, Conseil, commerce de détail, commerce électronique, moteurs de recherche, services postaux, industrie du jeu, industrie des systèmes de sécurité et, bien sûr, avito - tous ont besoin de spécialistes de différentes qualifications.

Améliorer la dégradation

Nous avons un projet sur FINTEKH associé à l'apprentissage automatique et à la vision informatique, dans lequel son premier développeur a tout écrit sur C ++, puis le développeur est venu, qui réécrit tous sur Python. Donc, la langue ici n'est pas la chose la plus importante, car la langue est d'abord de tout l'outil, et cela dépend de la manière de l'utiliser. Juste sur certaines langues, la tâche est de résoudre plus vite et de plus lentement sur les autres.

Où apprendre, il est difficile de dire - tous nos gars se sont appris, le bénéfice d'Internet et de Google.

Améliorer la dégradation

Je peux vous conseiller dès le début de me préparer à apprendre beaucoup. Peu importe ce que l'on veut dire "faire II" - travailler avec de grandes données ou des réseaux de neurones; Développement de la technologie ou de l'assistance et à l'enseignement Un système certainement défini déjà développé.

Prenons une profession de tendance de scientifique de données. Qu'est-ce qui fait cet homme? En général, il recueille, analyse et prépare de grandes données. C'est ceux qui grandissent et forment l'IA. Et que devrait savoir et être capable de scientifique de données? Analyse statique et modélisation mathématique - Par défaut, et au niveau de la possession libre. Langues - Dites, r, sas, python. Il serait également agréable d'avoir une expérience de développement. En règle générale, une bonne date de sable doit être confidentiellement dans la base de données, l'algorithme, la visualisation des données.

Pour ne pas dire qu'un tel ensemble de connaissances peut être obtenu à chaque seconde université technique du pays. Grandes entreprises du développement prioritaire de l'AI, ils comprennent et développent des programmes de formation appropriés pour eux-mêmes - il y a, par exemple, une école d'analyse de données de Yandex. Mais vous devez faire un rapport que ce n'est pas l'échelle où vous venez à des cours «de la rue», mais vous partez avec eux prêt Junior. Plast est grand et aller chercher de la discipline a du sens lorsque la base (mathématiques, statistiques) est déjà couverte au moins au sein du programme universitaire.

Oui, le temps partira décemment. Mais le jeu vaut la bougie, car un bon scientifique de données est très prometteur. Et très cher. Il y a aussi un autre moment. L'intelligence artificielle est, d'une part, n'est plus un objet d'excitation, mais une technologie publiée sur la productivité des bobines. D'autre part, l'IA se développe toujours. Pour que ce développement nécessite beaucoup de ressources, beaucoup de compétences et beaucoup d'argent. Bien que ce soit le niveau de la plus haute ligue. Je vais maintenant dire une chose évidente, mais si vous voulez vous révéler progresser sur la pointe des attaques et le faire vous-même, tuer la société Facebook ou Amazon.

Dans le même temps, dans un certain nombre de domaines, la technologie est déjà utilisée: dans le secteur bancaire, dans un télécom, dans les entreprises industrielles-Giants, au détail. Et il y a déjà besoin de personnes qui peuvent le soutenir. Gartner prédit qu'en 2020, 20% des entreprises des pays développés engageront des employés spéciaux pour former des réseaux de neurones utilisés dans ces sociétés. Alors, il y a toujours un peu de temps pour la précipiter vous-même.

Améliorer la dégradation

L'AI se développe maintenant activement et prédit pendant dix ans à venir est difficile. Pour les deux ou trois prochaines années, les approches sur la base des réseaux de neurones et des calculs basées sur le GPU domineront. Le leader de cette zone est Python avec l'environnement interactif Jupyter et les bibliothèques NUMPY SICPY, TENSORFLOW.

Il existe de nombreux cours en ligne qui donnent une idée de base de ces technologies et principes généraux d'AI, par exemple, Andrew NG Cours. Et en termes de formation de ce sujet, la Russie est maintenant plus efficace de la formation indépendante ou dans le groupe d'intérêt local (par exemple, à Moscou, je connais l'existence d'au moins deux groupes où les gens partagent des expériences et des connaissances).

Améliorer la dégradation

Améliorer la dégradation

À ce jour, la partie la plus rapide de l'intelligence artificielle est peut-être des réseaux de neurones.
L'étude du réseau de neurones et de l'IA devrait commencer par le développement de deux sections de mathématiques - algèbre linéaire et théorie de la probabilité. Il s'agit d'un minimum obligatoire des piliers inébranlables d'intelligence artificielle. Les candidats souhaitant comprendre les fondements d'AI, lors du choix d'une université, à mon avis, devraient faire attention aux facultés avec une forte école mathématique.

La prochaine étape consiste à étudier les problèmes de la question. Il y a un grand nombre de littératures, à la fois éducatives et spéciales. La plupart des publications sur le thème des renseignements artificiels et des réseaux de neurones sont écrites en anglais, mais des matériaux russophones sont également publiés. La littérature utile peut être trouvée, par exemple, dans la bibliothèque numérique disponible publiquement Arxiv.org.

Si nous parlons des instructions d'activité, vous pouvez également allouer une formation pour les réseaux de neurones appliqués et le développement de nouvelles options de réseau neuronal. Exemple lumineux: il existe une telle spécialité très populaire maintenant - "Système de données" (scientifique de données). Ce sont des développeurs qui, en règle générale, étudient et préparent des ensembles de données pour enseigner des réseaux de neurones dans des domaines spécifiques et appliqués. Résumant, soulignez que chaque spécialisation nécessite un chemin de préparation séparé.

Améliorer la dégradation

Avant de procéder à des cours de profil étroit, vous devez étudier une algèbre et des statistiques linéaires. L'immersion dans l'AI conseillerait de commencer par le manuel »Formation de la machine. La science et l'art de créer des algorithmes qui extraient la connaissance des données », c'est une bonne allocation pour les débutants. À Coursera, il vaut la peine d'écouter les conférences d'introduction à K. VorontSov (il souligne qu'elles nécessitent une bonne connaissance de l'algèbre linéaire) et du cours d'apprentissage de la machine de l'Université Stanford, qui lit Andrew NG, professeur et chapitre Baidu Ai Group / Google Cerveau .

La masse est écrite sur Python, puis allez-y, Lua.

Si on parle de les établissements d'enseignementIl est préférable d'aller à des cours aux départements des mathématiques appliquées et de la science informatique appropriée programmes éducatifs il y a. Pour vérifier ses capacités, vous pouvez participer aux compétitions de Kaggle, où de grandes marques mondiales offrent leurs cas.

Améliorer la dégradation

En tout état de cause, avant de procéder à des projets, il serait agréable d'obtenir une base théorique. Il existe de nombreux endroits où vous pourrez obtenir un degré formel d'un maître dans cette zone ou améliorer vos qualifications. Ainsi, par exemple, Scolteh propose des programmes principaux dans les domaines de la "science informatique et de l'ingénierie" et "Sciences de la science des données", qui comprend des cours "Apprentissage de la machine" et le traitement des langues naturelles. Vous pouvez également mentionner l'Institut des cyber-cyber-systèmes de Niya Mafi, faculté de mathématiques informatiques et cybernétiques de l'Université d'État de Moscou et du Département des systèmes intellectuels MFT.

Si une éducation formelle est déjà disponible, il existe un certain nombre de cours sur diverses plates-formes MOOC. Par exemple, Edx.org propose des cours d'intelligence artificielle à partir de l'Université Microsoft and Colombienne, la dernière offre un programme micro-maître d'argent modéré. Je tiens à souligner que vous pouvez généralement obtenir les connaissances vous-même et libres, le paiement n'est que pour le certificat s'il est nécessaire pour votre CV.

Si vous souhaitez "profondément plonger" dans le sujet, un certain nombre d'entreprises à Moscou offrent des intensifications hebdomadaires avec des classes pratiques et offrent même des équipements pour des expériences (par exemple, Newprolab.com), cependant, le prix de ces cours de plusieurs dizaines de mille roubles.

Des entreprises qui sont engagées dans le développement de l'intelligence artificielle, vous connaissez probablement Yandex et Sberbank, mais il existe de nombreuses autres tailles différentes. Par exemple, cette semaine, le ministère de la Défense a ouvert ses portes à l'ère de l'innovation militaire d'ANAPA, dont l'un est le développement de l'AI aux besoins militaires.

Améliorer la dégradation

Avant d'étudier l'intelligence artificielle, il est nécessaire de résoudre la principale question: prendre une tablette rouge ou un bleu.
Tablette rouge - Devenez un développeur et plongez dans le monde cruel des méthodes statistiques, des algorithmes et une compréhension permanente de l'inconnu. D'autre part, il n'est pas nécessaire de jeter immédiatement dans le "lapin nora": vous pouvez devenir des gestionnaires et créer un IA, par exemple, en tant que chef de projet. Ce sont deux façons fondamentalement différentes.

Le premier convient parfaitement si vous avez déjà décidé de rédiger des algorithmes pour une intelligence artificielle. Ensuite, vous devez commencer à partir de la destination la plus populaire aujourd'hui - Apprentissage de la machine. Pour ce faire, vous devez connaître les méthodes statistiques classiques de classification, de regroupement et de régression. Il sera également utile de se familiariser avec les mesures de base pour évaluer la qualité de la solution, leurs propriétés ... et tout ce qui tombera sur le chemin.

Seulement après la maîtrise de la base, il convient de changer de méthode plus spéciale: décision de décision et d'ensembles d'entre eux. À ce stade, il est nécessaire de plonger profondément vous-même à la base des principaux moyens de construire et d'apprendre les modèles - ils se cachent pour les mots à peine décents de commencer, briser, filia ou mélange.

Immédiatement, il convient de connaître les méthodes de contrôle du recyclage des modèles (un autre "ing" - survageant).

Et enfin, du tout, le niveau de Jedic est d'obtenir des connaissances hautement spécialisées. Par exemple, pour un apprentissage profond, il sera nécessaire de maîtriser les principales architectures et algorithmes de la descente de gradient. S'il existe des tâches intéressantes de traiter une langue naturelle, je recommande d'étudier les réseaux de neurones récurrents. Et les futurs créateurs d'algorithmes pour le traitement des images et de la vidéo devraient être profondément approfondir dans les réseaux neuronaux balayants.

Les deux dernières structures mentionnées sont des briques d'architectures populaires aujourd'hui: Connexion de réseaux (GAN), de réseaux relationnels, de réseaux combinés. Par conséquent, les apprendre en vaut la peine, même si vous ne prévoyez pas d'apprendre un ordinateur pour voir ou entendre.

Une approche complètement différente de l'étude de l'AI est la "tablette bleue" - commence par la recherche. L'intelligence artificielle donne lieu à un tas de tâches et d'entiers: des gestionnaires des projets ii aux ingénieurs de données pouvant préparer des données, de les nettoyer et de construire des systèmes évolutifs, chargés et tolérants de défaut.

Ainsi, avec l'approche "managériale", vous devez d'abord évaluer vos capacités et votre Bemarkund, et seulement ensuite choisir où et quoi savoir. Par exemple, même sans entrepôt mathématique de l'esprit, vous pouvez vous engager dans des interfaces et des visualisations de design II pour les algorithmes intelligents. Mais préparez-vous: Après 5 ans, l'intelligence artificielle commencera à vous traîner et appelez «humanitaire».

Les principales méthodes ML sont mises en œuvre comme des bibliothèques prêtes à l'emploi disponibles pour connecter différentes langues. Les langues les plus populaires en ML sont aujourd'hui: C ++, Python et R.

Il y a beaucoup de cours en russe et anglais, tels que les cours d'analyse des données de Yandex, SkillFactory et Otus. Mais avant d'investir du temps et de l'argent dans une formation spécialisée, je pense que cela vaut la peine de «pénétrer le sujet»: surveillez des conférences ouvertes sur YouTube avec des conférences de données au cours des dernières années, pour subir des cours gratuits de Coursera et Habrahabra.

Intelligence artificielle (AI, Intelligence artificielle, AI) est une science de la création de technologies intelligentes et de programmes informatiques.

L'intelligence artificielle est étroitement liée à la tâche de comprendre l'intelligence humaine à l'aide de technologies informatiques. Pour le moment, il est impossible de dire exactement quelles méthodes de calcul peuvent être appelées intelligentes. Certains mécanismes de renseignement sont ouverts à la compréhension, les autres ne sont pas. Pour le moment, les programmes sont utilisés dans les programmes introuvables chez l'homme.

L'intelligence artificielle a une direction scientifique qui étudie la solution de l'activité intellectuelle humaine. L'intelligence artificielle vise à effectuer des tâches créatives dans la région, la connaissance est stockée dans le système de programme intelligent - la base de données des connaissances.

Avec ces connaissances, le mécanisme de programme fonctionne - tâche raster. Ensuite, la personne obtient une idée du résultat du programme via l'interface intelligente. Le résultat d'un programme d'intelligence artificielle est la récréation de l'argument intellectuel ou de l'action raisonnable.

L'une des principales propriétés de l'intelligence artificielle est la capacité d'auto-étude. Tout d'abord, il formation heuristique - Formation continue du programme, la formation du processus d'apprentissage et ses propres objectifs, analyse et sensibilisation à leur formation.

Direction scientifique Étudier l'intelligence artificielle a commencé à émerger il y a longtemps:

• les philosophes ont pensé à la connaissance du monde intérieur de l'homme
• les psychologues ont étudié la pensée humaine
• les mathématiques étaient engagées dans des calculs

Bientôt, les premiers ordinateurs ont été créés, ce qui permettait d'effectuer des calculs dépassant la vitesse de l'homme. Ensuite, les scientifiques ont commencé à poser la question suivante: où la limite des capacités des ordinateurs et peuvent-elles atteindre le niveau humain?

Alan Turing est un scientifique anglaise, le pionnier de la technologie informatique, a écrit l'article "La voiture peut-elle penser?", Où la méthode décrite qui aidera à déterminer à quel point l'ordinateur peut être comparé à une personne. Cette méthode a obtenu le nom - test Turing.

L'essence de la méthode est que la personne a d'abord répondu aux questions de l'ordinateur, puis les questions d'une autre personne et en même temps ne sachant pas qui lui posa exactement des questions. Si, lorsque vous répondez à une question informatique, une personne n'a pas soupçonné qu'il s'agisse d'une voiture, le passage du test Turing peut être considéré comme un succès, ainsi que l'ordinateur est une intelligence artificielle.

Ainsi, si l'ordinateur apparaît similaire au comportement humain dans toutes les situations naturelles et est capable de soutenir un dialogue avec une personne, nous pouvons donc dire qu'il s'agit d'une intelligence artificielle. Une autre méthode de définition présumée est une machine intellectuelle, c'est sa capacité à travailler et la capacité de se sentir.

Il existe de nombreuses approches différentes de l'étude et de la compréhension de l'intelligence artificielle.

Approche symbolique

L'approche de caractère est devenue la première de l'ère numérique des machines. Après avoir créé la langue des calculs symboliques du LISP, ses auteurs ont commencé à mettre en œuvre l'intellect. Approche symbolique Utilisez des vues formalisées faibles. Jusqu'à présent, seule une personne est capable d'effectuer des travaux intellectuels et le travail associé au travail de la tâche. Le travail des ordinateurs dans cette direction est biaisé et ne peut en effet pas être effectué sans participation humaine.

Les calculs symboliques ont permis de créer des règles permettant de résoudre des tâches dans le processus d'exécution d'un programme informatique. Cependant, il était possible de résoudre uniquement les tâches les plus simples, et lorsque toute tâche complexe apparaît, il est nécessaire de relancer une personne à nouveau. Ainsi, ces systèmes ne leur permettent pas d'être appelés intellectuels, car leurs capacités ne permettent pas de résoudre des difficultés émergentes et d'améliorer déjà la connaissance de la manière de résoudre des problèmes de résolution de nouveaux.

Approche logique

L'approche logique est basée sur la modélisation des arguments et l'application du langage de programmation logique. Par exemple, la programmation du prologue linguistique est basée sur un ensemble de règles de production logiques sans actions constantes rigoureuses pour obtenir des résultats.

Approche axée sur les agents

Une approche orientée de l'agence repose sur des méthodes d'aide à l'intelligence à survivre dans l'environnement pour obtenir certains résultats. L'ordinateur perçoit son environnement et l'affecte à l'aide des méthodes définies.

Approche hybride

L'approche hybride comprend des règles d'expert pouvant être créées par des réseaux de neurones et générer des règles grâce à une formation statistique.

Raisonnement de modélisation

Il y a une telle direction dans l'étude de l'intelligence artificielle en tant que raisonnement de modélisation. Cette zone comprend la création de systèmes symboliques, pour définir des tâches et les résoudre. La tâche doit être traduite en une forme mathématique. Dans le même temps, elle n'a toujours aucun algorithme de résolution due à la complexité. Par conséquent, la modélisation du raisonnement contient des théorèmes à la preuve, la prise de décision, la planification, la prévision, etc.

Traitement des langues naturelles

Une autre direction importante d'intelligence artificielle est traitement des langues naturellesLorsque l'analyse et le traitement des textes sur une personne compréhensible pour l'homme sont effectués. Le but de cette zone est le traitement d'une langue naturelle pour une acquisition indépendante des connaissances. La source d'informations peut être le texte saisi dans le programme ou reçu d'Internet.

Présentation et utilisation des connaissances

La connaissance de l'ingénierie est la direction d'acquérir des connaissances provenant d'informations, de leur systématisation et d'une utilisation ultérieure pour résoudre diverses tâches. Avec l'aide de bases de données spéciales, les systèmes d'experts reçoivent des données pour le processus de recherche de solutions aux tâches.

Apprentissage automatique

L'une des principales exigences relatives à l'intelligence artificielle est la possibilité d'une machine à apprendre indépendamment sans l'intervention de l'enseignant. L'apprentissage des machines comprend des tâches de reconnaissance objectives: reconnaissance des symboles, du texte et de la parole. Cela inclut également une vision informatique associée à la robotique.

Modélisation biologique de II

Il y a une telle direction comme paradigme quasiibologiquequi autrement est appelé Biocomputant. Cette direction dans l'intelligence artificielle étudie le développement d'ordinateurs et de technologies utilisant des organismes vivants et des composants biologiques - Biocomputers.

Robotique

La région de la robotique est étroitement liée à l'intelligence artificielle. Les propriétés de l'intelligence artificielle sont également nécessaires pour que les robots effectuent de nombreuses tâches différentes. Par exemple, pour naviguer et définir votre emplacement, étude des articles et planifier votre mouvement.

Domaines d'application de l'intelligence artificielle

L'intelligence artificielle est créée pour résoudre des problèmes de divers domaines:

• Systèmes intelligents pour l'éducation et les loisirs.
• La synthèse et la reconnaissance du texte et de la parole humaine sont utilisées dans les systèmes de service à la clientèle.
• Les systèmes de reconnaissance d'images sont utilisés dans des systèmes de sécurité, avec reconnaissance optique et acoustique, diagnostic médical, systèmes de définition cible.
• Les jeux informatiques sont utilisés pour calculer la stratégie de jeu, l'imitation de comportements de caractères, la recherche du chemin dans l'espace.
• Systèmes de commerce algorithmique et de prise de décision.
• Systèmes financiers de conseil et de gestion financière.
• Des robots utilisés dans l'industrie pour résoudre des tâches de routine complexes: des robots pour les soins aux patients, des consultants de robots, ainsi que des activités humaines adaptées aux entreprises: des sauveteurs de robots, des robots mineurs.
• Gestion des ressources humaines et de recrutement, de visualisation et de classement des candidats, prédisant le succès des employés.
• Systèmes de filtration de reconnaissance et de spam dans le courrier électronique.

Ce ne sont pas toutes les zones où l'intelligence artificielle peut être appliquée.

Maintenant, la création d'une intelligence artificielle est l'une des tâches importantes d'une personne. Cependant, il n'y a pas de point de vue unique sur ce qui peut être considéré comme un intellect, mais ce qui est impossible. De nombreuses questions suscitent des différends et des doutes. Est-il possible de créer un esprit intellectuel qui comprendra et résoudra des problèmes de personnes? Esprit, pas dépourvu d'émotions et avec les capacités organisme vivant inhérent. Jusqu'à présent, il n'y a pas de temps quand on le voit.

Quelle est cette intelligence artificielle? Sans aucun doute, beaucoup ont entendu parler de voitures capables de gérer leur mouvement sans aide humaine, des dispositifs de reconnaissance de la parole, tels que Siri d'Apple, Alexa d'Amazon, Assistant de Google et Corttana de Microsoft. Mais ce n'est pas toutes les possibilités d'intelligence artificielle (AI).

Ai était "ouvert" pour la première fois dans les années 1950. Au fil des ans, c'était attendu par des hauts et des chutes, mais au stade actuel du développement humain, l'intelligence artificielle est considérée comme une technologie clé de l'avenir. Grâce au développement de l'électronique et à l'apparition de processeurs plus rapides, un nombre croissant d'applications commencent à utiliser IA. L'intelligence artificielle est une technologie de programme inhabituelle avec laquelle chaque ingénieur doit se familiariser. Dans cet article, nous allons essayer de décrire cette technologie pour décrire cette technologie.

L'intelligence artificielle est définie

Ai est un sacrifice d'informatique, qui comprend une utilisation plus raisonnable d'ordinateurs et de composants électroniques, imitant le cerveau humain. L'intellect est la capacité d'acquérir des connaissances et de l'expérience et de les appliquer pour résoudre des problèmes. L'AI est particulièrement utile lors de l'analyse et de l'interprétation de matrices de données et de l'extraction des informations réelles. Parmi les informations, une compréhension peut être appliquée pour prendre des décisions ou tout type d'action.

Domaines de recherche

L'intelligence artificielle est une technologie large avec une multitude d'applications possibles. Habituellement, il est divisé en lettres. Nous allons faire une petite critique de chacun d'eux:

• Décision tâches communes - Ne pas avoir une solution algorithmique spécifique. Tâches avec incertitude et ambiguïté.
• Systèmes d'experts - logiciels contenant la base de la connaissance des règles, des faits et des données obtenues à partir de plusieurs experts individuels. La base de données peut être demandée de résoudre des problèmes, de diagnostiquer des maladies ou des consultations.
• Le traitement d'une langue naturelle (NLP) est utilisé pour analyser des textes. La reconnaissance vocale est également une partie (PNL).
• Vision informatique - Analyse et compréhension des informations visuelles (photographie, vidéo et ainsi de suite). Un exemple est la vision de la machine et la reconnaissance du visage. Utilisé dans des voitures et des lignes de production autonomes.
• Robotics - Création de robots intelligents, adaptatifs et "indépendants".
• Jeux: AI joue un bon jeu. Les ordinateurs sont déjà programmés pour jouer et gagner à l'échec, au poker et à partir.
• Formation à la machine - Procédures permettant à l'ordinateur d'étudier sur la base des données de saisie et de comprendre les résultats. Les réseaux de neurones constituent la base de l'apprentissage de la machine.

Comment fonctionne l'intelligence artificielle

Les ordinateurs classiques utilisent des algorithmes pour résoudre des problèmes. L'instruction des instructions conduit à une action étape par étape pour obtenir des résultats. Les formes traditionnelles d'intelligence artificielle sont basées sur les bases de connaissances et les mécanismes de sortie logiques qui utilisent divers mécanismes permettant de travailler avec la base de connaissances via l'interface utilisateur. Des résultats utiles sont obtenus par certaines des méthodes énumérées ci-dessous:

• Recherche: Rechercher des algorithmes Utilisez une base de données d'informations collectées dans des graphiques ou des arbres. La recherche est la principale méthode d'intelligence artificielle.
• Logique: le raisonnement déductif et inductif est utilisé pour déterminer la vérité ou la fausseté des déclarations. Cela inclut à la fois la logique des déclarations et la logique des prédicats.
• Règles: Les règles sont une série d'instructions "si", qui peuvent être trouvées pour déterminer le résultat. Les systèmes de règles sont appelés systèmes d'experts.
• Probabilité et statistiques: Certaines tâches peuvent être résolues et des solutions sont situées, grâce à l'utilisation de la théorie mathématique standard de la probabilité et des statistiques.
• Listes: Certains types d'informations peuvent être enregistrés dans des listes disponibles pour la recherche.
• D'autres formes de connaissances sont des systèmes, des cadres et des scénarios, qui sont des structures encapsulant divers types de connaissances. Les méthodes de recherche recherchent des réponses sur les demandes pertinentes.

Les méthodes traditionnelles ou héritées d'AI, telles que la recherche, la logique, la probabilité et les règles, sont considérées comme la première vague d'intelligence artificielle. Ces méthodes sont toujours utilisées et percevent bien les connaissances et le raisonnement, en particulier pour un cercle de tâches étroit. Dans la première vague, il n'y a pas de fonctionnalités d'entraînement humain et de solutions d'abstraction. Ces qualités sont maintenant disponibles dans la deuxième vague d'intelligence artificielle, grâce aux réseaux de neurones et à l'apprentissage de la machine.

Les réseaux de neurones

Aujourd'hui, la plupart des recherches et du développement de l'AI sont basés sur l'utilisation de réseaux de neurones ou de réseaux de neurones artificiels (INS). Ces réseaux sont constitués de neurones artificiels imitant des neurones dans le cerveau humain, qui sont responsables de notre réflexion et de notre formation. Chaque neurone est un nœud d'une relation complexe qui lie de nombreux neurones avec d'autres au moyen de synapses. Ins imitate ce réseau.

Chaque nœud comporte plusieurs entrées suspendues, ainsi que la sortie et l'installation du seuil (dessin ci-dessus). Ces nœuds sont généralement implémentés dans des logiciels, bien que des émulsions matérielles soient également possibles. Le schéma typique est composé de trois couches - la couche d'entrée, cachée (couche de traitement ou de formation) et la couche de sortie:

Certains mécanismes utilisent la distribution opposée pour fournir des commentaires, ce qui modifie le poids de l'entrée de certains nœuds, car de nouvelles informations ont été reçues.

Apprentissage de la machine et formation profonde

La formation de la machine est une méthode d'apprentissage d'un ordinateur pour reconnaître les images. Un ordinateur ou un périphérique est "appris" avec un exemple, puis des programmes spéciaux sont lancés pour comparer les entrées avec la valeur formée. En règle générale, il existe d'énormes quantités de données pour la formation logicielle. Les programmes de formation de la machine sont destinés à une étude automatique, car ils reçoivent plus de connaissances et d'expérience grâce aux nouveaux matériaux.

Les réseaux de neurones sont couramment utilisés pour l'apprentissage de la machine, mais d'autres algorithmes peuvent également être utilisés. Ensuite, le logiciel peut se changer en améliorant la reconnaissance en fonction de nouvelles données d'entrée. Maintenant, certains systèmes d'apprentissage de la machine peuvent reconnaître indépendamment des images sans apprendre, puis se modifier pour améliorer encore.

L'apprentissage profond est un cas étendu de l'apprentissage de la machine. Il utilise également des réseaux de neurones appelés réseaux de neurones profonds (SCS). Ils incluent des niveaux supplémentaires cachés d'informatique pour une amélioration supplémentaire de leurs capacités. L'apprentissage de masse est requis. Les programmeurs peuvent augmenter la productivité en jouant avec des poids interconnecteurs. SCS nécessite également une transformation matricielle. Cependant, il convient de noter que le SCS utilise des poids statistiques, de sorte que les résultats, par exemple, dans une reconnaissance visible, ne peuvent être pas à 100%. De plus, le débogage de tels systèmes est un travail très minutieux.

L'apprentissage automatique et l'apprentissage profond sont largement utilisés pour analyser de grandes matrices de données, ainsi que dans la vision informatique et la reconnaissance vocale. Ils peuvent également être appliqués dans d'autres domaines, tels que la médecine, la jurisprudence et la finance.

Logiciel d'intelligence artificielle

Pour la programmation, l'IA peut utiliser presque tout langage de programmation, mais certaines langues présentent certains avantages. Les langues de profil conçues spécifiquement pour AI incluent Lisp et Prolog. Lisp, l'une des plus anciennes langues plus haut niveau, Listes de processus. Prolog est basé sur la logique. Aujourd'hui, C ++ et Python sont populaires. Il existe également des logiciels spéciaux pour le développement de systèmes d'experts.

Plusieurs principaux utilisateurs d'AI fournissent des plates-formes de développement, notamment Amazon, Baidu (Chine), Google, IBM et Microsoft. Ces entreprises proposent des systèmes pré-formés comme point de départ pour certaines applications courantes, telles que la reconnaissance vocale. Les fournisseurs de processeurs, tels que NVIDIA et AMD, offrent également un soutien spécifique.

Matériel pour intelligence artificielle

Démarrer le logiciel d'intelligence artificielle sur un ordinateur nécessite généralement une vitesse élevée et une grande quantité de mémoire. Cependant, certaines applications simples peuvent fonctionner sur un processeur 8 bits. Certains des processeurs modernes sont plus que appropriés et plusieurs processeurs parallèles peuvent être une solution idéale pour certaines applications. De plus, des processeurs spéciaux ont été développés pour certaines applications.

Les processeurs graphiques (GPU) sont un exemple d'architecture de focalisation et d'ensemble d'instructions pour une utilisation spécifiée pour optimiser les performances. Par exemple, NVIDIA Processeurs spéciaux pour des voitures de conduite indépendantes et des processeurs graphiques AMD. Google a développé ses propres processeurs pour optimiser leurs moteurs de recherche. Intel et Knupaath offrent également un support logiciel pour leurs processeurs avancés. Dans certains cas, la logique spéciale dans l'ASIC ou le FPGA peut mettre en œuvre une application spécifique.

Activité et statut actuel

Intelligence artificielle une fois considéré comme une exotique logicielconçu pour des besoins spéciaux. L'exigence d'ordinateurs à grande vitesse avec une grande quantité de mémoire limitée son utilisation. Aujourd'hui, grâce à des processeurs super rapides, des processeurs multicœurs et de la mémoire bon marché, l'AI est devenu plus populaire. Les moteurs de recherche Google que nous utilisons tous tous les jours sont basés sur une intelligence artificielle.

À ce jour, l'accent est sans aucun doute fabriqué sur les réseaux de neurones et l'apprentissage de la machine profonde. Tout en reconnaissant que la voix et les véhicules auto-propulsés sont toujours à l'honneur, d'autres applications clés apparaissent, telles que la reconnaissance du visage, la navigation sans pilote, la robotique, le diagnostic médical et la finance. Le développement contient également des applications militaires avancées (par exemple, des armes autonomes).

L'avenir de l'AI semble prometteur. Selon la recherche ORBIS, d'ici 2022, une augmentation du marché mondial de l'intelligence artificielle avec un taux de croissance annuel cumulatif de plus de 35% est prévu. La Société de données internationale (IDC) est également positive, indiquant que les coûts d'intelligence artificielle devraient augmenter à 47 milliards de dollars en 2020, contre 8 milliards en 2016.

Beaucoup de gens ont une question logique - l'intelligence artificielle des personnes de certaines professions remplace l'intelligence artificielle et que sera-t-il pour les professions? La réponse sonne comme suit - "Peut-être seulement certains". Très probablement, les ordinateurs basés sur l'intelligence artificielle contribueront à améliorer la performance de certaines professions, accroître la productivité, l'efficacité et la prise de décision. Cependant, certains lieux de travail dans l'industrie seront toujours perdus, car beaucoup de développement reçoivent une robotique, mais le remplacement de l'homme par des voitures conduira à la création de nouveaux emplois liés à la maintenance de ces machines.

Une autre question définie par de nombreuses personnes peut être une intelligence artificielle dangereuse pour l'humanité? Ai était intelligent, mais pas si intelligent. Son objectif principal sera l'analyse des données, la résolution des problèmes et la prise de décision sur la base des informations disponibles et des connaissances distillées. Les gens dominent toujours, surtout en matière d'innovation et de travail. Cependant, il est difficile de prédire l'avenir. Au moins, à ce stade de développement, il n'y a pas de robots intelligents, pas encore ...

Le concept d'intelligence artificielle (AI ou AI) combine non seulement des technologies pour créer des machines intelligentes (y compris des programmes informatiques). Ai est également l'une des directions de la pensée scientifique.

Intelligence artificielle - Définition

Intelligence - Ceci est un élément mental mental d'une personne qui a les capacités suivantes:

• adaptable;
• apprendre par accumulation d'expérience et de connaissances;
• la capacité d'appliquer des connaissances et des compétences pour gérer l'environnement.

L'intellect unit toutes les capacités humaines à la connaissance de la réalité. Avec l'aide de cela, une personne pense, se souvient de nouvelles informations, perçoit l'environnement et ainsi de suite.

Sous l'intelligence artificielle signifie une des directions technologies de l'informationIl est engagé dans l'étude et le développement de systèmes (machines) dotés des possibilités d'intelligence humaine: la capacité d'apprendre, du raisonnement logique, etc.

Pour le moment, les travaux sur l'intelligence artificielle sont effectués en créant de nouveaux programmes et algorithmes qui décisivent des tâches décisives comme une personne.

En raison du fait que la définition de l'IA évolue comme cette direction se développe, il est nécessaire de mentionner l'effet de l'IA. L'effet est compris qu'il crée une intelligence artificielle qui a atteint certains progrès. Par exemple, si l'AI a appris à effectuer des actions, les critiques sont immédiatement connectées, ce qui prouve que ces succès ne témoignent pas de la présence de la pensée de la voiture.

Aujourd'hui, le développement de l'intelligence artificielle est dans deux zones indépendantes:

• neurookaberetics;
• approche logique.

La première direction implique l'étude des réseaux de neurones et des calculs évolutifs du point de vue de la biologie. L'approche logique implique le développement de systèmes qui imitent des processus intelligents de haut niveau: pensée, discours et ainsi de suite.

Le premier travail dans le domaine de l'AI a commencé à mener au milieu du siècle dernier. Les études de pionnier dans cette direction sont devenues Alan TuringBien que certaines idées commençaient à exprimer des philosophes et des mathématiques au Moyen Âge. En particulier, au début du 20ème siècle, un dispositif mécanique a été présenté capable de résoudre des tâches d'échecs.

Mais vraiment cette direction a été formée au milieu du siècle dernier. L'émergence du travail sur l'AI a été précédée de la recherche sur la nature de l'homme, des moyens de connaître le monde environnant, les possibilités du processus mental et d'autres domaines. À ce moment-là, les premiers ordinateurs et algorithmes sont apparus. C'est-à-dire qu'une fondation a été créée sur laquelle une nouvelle direction de recherche était originaire.

En 1950, Alan Turying a publié un article dans lequel on m'a demandé des possibilités de futures machines, ainsi que de savoir s'ils étaient en mesure de contourner une personne en termes de rationalité. C'était ce scientifique qui a développé la procédure appelée plus tard dans son honneur: Turing Test.

Après la publication des œuvres du scientifique anglaise, de nouvelles recherches dans le domaine de l'AI sont apparues. Selon Tyourring, seule la voiture impossible à distinguer d'une personne peut être reconnue comme possible. A peu près au même moment, lorsque le scientifique est apparu, le concept appelé Baby Machine est originaire. Il prévoyait le développement progressif de l'AI et la création de machines, dont les processus de réflexion sont de première forme au niveau de l'enfant, puis s'améliorent progressivement.

Le terme "intelligence artificielle" est originaire de plus tard. En 1952, un groupe de scientifiques, y compris Turing, rassemblé à l'Université américaine de Dartmund pour discuter de questions liées à l'AI. Après cette réunion, le développement actif des voitures avec les possibilités d'intelligence artificielle a commencé.

Un rôle particulier dans la création de nouvelles technologies dans le domaine de l'AI a joué des départements militaires qui ont activement financé cette direction de recherche. Par la suite, les travaux dans le domaine de l'intelligence artificielle ont commencé à attirer de grandes entreprises.

La vie moderne met des tâches plus complexes devant les chercheurs. Par conséquent, le développement de l'AI est effectué en principe d'autres conditions, si nous les comparons à ce qui s'est passé pendant l'origine de l'intelligence artificielle. Les processus de la mondialisation, l'action des attaquants de la sphère numérique, le développement de l'Internet et d'autres problèmes - tout cela met des tâches complexes devant les scientifiques, dont la solution réside dans le domaine de l'IA.

Malgré les succès réalisés dans ce domaine ces dernières années (par exemple, l'émergence d'équipements autonomes), les voix des sceptiques, qui ne croient pas à la création d'une intelligence véritablement artificielle et non d'un programme très capable. Un certain nombre de critiques craignent que le développement actif de l'AI conduira bientôt à une situation où les machines remplaceront complètement les personnes.

Directions de la recherche

Les philosophes ne sont pas encore arrivés à une opinion commune sur la nature de l'intelligence humaine et quel est son statut. À cet égard, dans des travaux scientifiques dédiés à l'AI, il existe de nombreuses idées racontant quelles tâches résolvent l'intelligence artificielle. Il n'y a pas non plus de compréhension unifiée de la question, quelle voiture peut être considérée comme raisonnable.

Aujourd'hui, le développement de technologies de renseignement artificielles est dans deux directions:

1. Vers le bas (sémiotique). Il prévoit le développement de nouveaux systèmes et bases de base qui imitent des processus mentaux de haut niveau du type de discours, des expressions d'émotions et de pensée.
2. Ascendant (biologique). Cette approche implique de mener des recherches dans le domaine des réseaux de neurones grâce auxquels les modèles de comportement intellectuel sont créés à partir du point de vue des processus biologiques. Sur la base de cette direction, des neuroocomptes sont créés.

Détermine la capacité de l'intelligence artificielle (machine) de penser comme une personne. En accord général, cette approche prévoit la création d'AI, dont le comportement ne diffère pas des actions humaines dans les mêmes situations normales. En fait, l'épreuve de Turing suggère que la voiture sera raisonnable que si, lorsqu'il est en communication avec elle, il est impossible de comprendre qui dit: un mécanisme ou une personne vivante.

Les livres dans la fiction de genre offrent une autre méthode d'évaluation des possibilités d'AI. Cette intelligence artificielle deviendra dans le cas où il se sentira et peut créer. Cependant, cette approche de définition ne supporte pas application pratique. Déjà, par exemple, les voitures sont créées qui ont la capacité de répondre aux changements environnementaux (froid, chaleur, etc.). Dans le même temps, ils ne peuvent pas sentir la façon dont l'homme le fait.

Approche symbolique

Le succès dans la résolution des tâches est largement déterminé par la capacité de s'approcher de manière flexible la situation. Les machines, contrairement aux personnes, interprètent les données obtenues d'une seule manière. Par conséquent, seule une personne participe à la résolution de problèmes. La machine effectue des opérations basées sur des algorithmes écrits qui excluent l'utilisation de plusieurs modèles d'abstraction. La flexibilité du programme peut être obtenue en augmentant les ressources impliquées lors de la résolution des problèmes.

Les inconvénients ci-dessus sont caractéristiques de l'approche symbolique utilisée dans le développement de l'IA. Cependant, cette direction du développement de l'intelligence artificielle vous permet de créer de nouvelles règles dans le processus de calcul. Et les problèmes découlant d'une approche symbolique sont capables de résoudre des méthodes logiques.

Approche logique

Cette approche implique la création de modèles imitant le processus de raisonnement. Il est basé sur les principes de la logique.

Cette approche ne prévoit pas l'utilisation d'algorithmes rigides conduisant à un résultat spécifique.

Approche axée sur les agents

Il utilise des agents intelligents. Cette approche suggère ce qui suit: l'intellect est une partie informatique par laquelle les objectifs sont atteints. La voiture joue le rôle d'un agent intelligent. Il connaît l'environnement à l'aide de capteurs spéciaux et interagit avec celui-ci au moyen de pièces mécaniques.

Une approche orientée de l'agence se concentre sur le développement d'algorithmes et de méthodes permettant aux machines de maintenir la performance dans diverses situations.

Approche hybride

Cette approche consiste à combiner des modèles neural et symboliques, en raison de laquelle la solution de toutes les tâches associées aux processus de pensée et de calcul est obtenue. Par exemple, les réseaux de neurones peuvent générer une direction dans laquelle le fonctionnement de la machine se déplace. Et l'apprentissage statique fournit cette base par lequel les tâches sont résolues.

Selon les prévisions des experts Gartner.Cependant, au début des années 2020, presque tous les produits logiciels manufacturés utiliseront des technologies de renseignement artificielles. En outre, des experts suggèrent que environ 30% des investissements dans la sphère numérique seront sur l'IA.

Selon les analystes Gartner, l'intelligence artificielle ouvre de nouvelles opportunités de coopération de personnes et de voitures. Dans ce cas, le processus de déplacement d'une personne AI ne peut pas être arrêté et à l'avenir, il accélérera.

En compagnie Pwc. On pense qu'en 2030, le volume du produit intérieur brut global augmentera d'environ 14% en raison de l'introduction rapide de nouvelles technologies. De plus, environ 50% de l'augmentation garantira une augmentation de l'efficacité des processus de production. La seconde moitié de l'indicateur sera un bénéfice supplémentaire obtenu en mettant en œuvre l'AI aux produits.

Initialement, l'effet de l'utilisation de l'intelligence artificielle recevra les États-Unis, car dans ce pays, les meilleures conditions pour le fonctionnement des machines sur l'AI sont créées. À l'avenir, ils seront en avance sur la Chine, qui supprimera le bénéfice maximum en introduisant de telles technologies dans des produits et sa production.

Entreprises d'experts Force de vente. Il est affirmé que l'IA augmentera le rendement des petites entreprises d'environ 1,1 milliard de dollars. Et cela se produira avant 2021. En partie pour atteindre l'indicateur spécifié parviendra à la charge de la mise en œuvre des solutions offertes par l'AI, dans le système responsable de la communication avec les clients. Dans le même temps, l'efficacité des processus de production s'améliorera en raison de leur automatisation.

L'introduction de nouvelles technologies créera également 800 000 emplois supplémentaires. Les experts notent que l'indicateur spécifié ne niveau de perte de postes vacants survenus en raison de l'automatisation des processus. Selon les prévisions d'analystes basées sur les résultats de l'enquête entre entreprises, leurs coûts pour l'automatisation des processus de production au début des années 2020 augmenteront à environ 46 milliards de dollars.

En Russie, des travaux dans le domaine de l'AI sont également en cours. Pendant 10 ans, l'État a financé plus de 1,3 milliards de projets dans ce domaine. De plus, la plupart des investissements sont allés au développement de programmes non liés à la conduite d'activités commerciales. Cela montre que la communauté des affaires russes n'est pas encore intéressée à introduire des technologies de renseignement artificielles.

Au total, environ 23 milliards de roubles investis dans la Russie en Russie. Le montant des subventions de l'État est inférieur au volume de financement du domaine de l'AI, qui démontrent d'autres pays. Aux États-Unis, environ 200 millions de dollars allouent à ces fins.

Principalement en Russie du budget de l'État affecte des fonds pour le développement de technologies d'AI, qui sont ensuite appliqués dans le secteur des transports, l'industrie de la défense et dans des projets liés à la sécurité. Cette circonstance indique que dans notre pays, il investit plus souvent dans des instructions qui vous permettent d'atteindre rapidement un certain effet des fonds investis.

L'étude ci-dessus a également montré que, en Russie, un potentiel élevé est maintenant accumulé pour la formation des spécialistes pouvant être impliqués dans le développement des technologies de l'AI. Au cours des 5 dernières années, environ 200 000 personnes ont adopté une formation dans les instructions associées à l'AI.

Technologies AI se développer dans les directions suivantes:

• résoudre des problèmes qui nous permettent d'apporter les possibilités d'AI à l'homme et de trouver des moyens de les intégrer dans la vie quotidienne;
• le développement d'un esprit à part entière, au moyen desquels des tâches faisant face à l'humanité seront résolues.

À l'heure actuelle, les chercheurs sont axés sur le développement de technologies qui résolvent des tâches pratiques. Alors que les scientifiques ne s'approchèrent pas la création d'un esprit artificiel à part entière.

De nombreuses entreprises sont engagées dans le développement de technologies dans le domaine de l'AI. "Yandex" pendant plus d'un an les applique dans le travail du moteur de recherche. Depuis 2016, la société informatique russe étudie dans le domaine des réseaux de neurones. Ces derniers changent la nature des moteurs de recherche. En particulier, les réseaux de neurones comparent la demande saisie par l'utilisateur avec un certain nombre de vecteur qui reflète le mieux la signification de la tâche. En d'autres termes, la recherche n'est pas menée par le mot, à savoir, en fait, les informations demandées par l'homme.

En 2016. Yandex Service lancé "Zen"qui analyse les préférences des utilisateurs.

L'entreprise Abbyy. Récemment, un système est apparu Compreno.. A l'aide de cela, il est possible de comprendre le texte écrit dans la langue naturelle. D'autres systèmes basés sur des technologies de renseignement artificielles sont également relativement récemment publiés sur le marché.

1. Trouve o. Le système peut reconnaître la parole humaine et est engagé dans la recherche d'informations dans divers documents et fichiers à l'aide de demandes complexes.
2. Gamalon. Cette société a présenté le système avec la capacité de s'auto-éduquer.
3. Watson. Ordinateur IBM, en utilisant un grand nombre d'algorithmes dans le processus de recherche d'informations.
4. VIVOICE. Système de reconnaissance de la parole humaine.

Les grandes entreprises commerciales ne contournent pas le côté des réalisations dans le domaine de l'intelligence artificielle. Les banques introduisent activement des technologies similaires à leurs activités. Avec l'aide de systèmes basés à l'IA, ils effectuent des opérations sur les bourses d'actions, dirigent la gestion de la propriété et effectuer d'autres opérations.

L'industrie de la défense, la médecine et d'autres sphères mettent en œuvre des technologies de reconnaissance d'objet. Et les entreprises impliquant des jeux informatiques utilisent AI pour créer un autre produit.

Au cours des dernières années, un groupe de scientifiques américains travaille sur un projet. NeilDans quels chercheurs offrent un ordinateur pour reconnaître ce qui est représenté sur la photo. Les spécialistes suggèrent que, de cette manière, ils seront en mesure de créer un système capable d'auto-étude sans intervention externe.

Compagnie VisionLab. introduit sa propre plate-forme Luna.qui peut réaliser les personnes qui les choisissent d'un énorme groupe d'images et de vidéos. Cette technologie est utilisée aujourd'hui grandes banques et détaillants de réseau. Avec Luna, vous pouvez comparer les préférences des personnes et leur offrir les biens et services pertinents.

La société russe travaille sur ces technologies Laboratoire N-Tech. Dans le même temps, ses spécialistes se nourrissent de créer un système de reconnaissance système basé sur des réseaux de neurones. Selon les dernières données, le développement russe est mieux adapté aux tâches qu'une personne.

Selon Stephen Hawking, le développement de technologies de renseignement artificielles conduira à la mort de l'humanité. Le scientifique a noté que les personnes en raison de l'introduction de l'AI commenceront à se dégrader progressivement. Et dans une évolution naturelle, lorsqu'une personne pour la survie doit constamment se battre, ce processus conduira inévitablement à sa mort.

En Russie, la question de l'introduction de l'AI examine positivement. Alexey Kudrin a déjà déclaré que l'utilisation de telles technologies permettrait à environ 0,3% du PAM de réduire le coût d'assurer le travail de l'appareil d'état. Dmitry Medvedev prédit la disparition d'un certain nombre de professions en raison de l'introduction de l'IA. Cependant, le responsable a souligné que l'utilisation de telles technologies conduira au développement rapide d'autres industries.

Selon des experts du Forum économique mondial, au début des années 2020 dans le monde en raison de l'automatisation de la production d'emplois, environ 7 millions de personnes sont perdues. L'introduction de l'AI avec une probabilité élevée entraînera la transformation de l'économie et la disparition d'un certain nombre de professions liées au traitement des données.

Experts McKinsey. Il est indiqué que le processus d'automatisation de la production sera plus actif en Russie, en Chine et en Inde. Dans ces pays, dans un proche avenir, jusqu'à 50% des travailleurs perdront leurs lieux en raison de l'introduction de l'IA. Leur endroit occupera des systèmes informatisés et des robots.

Selon McKinsey, l'intelligence artificielle remplacera les professions prévoyant la main-d'œuvre physique et le traitement des informations: le commerce de détail, le personnel de l'hôtel et ainsi de suite.

Au milieu du siècle actuel, des experts de la société américaine pensent que le nombre d'emplois du monde entier diminuera d'environ 50%. Les personnes de personnes prendront des voitures capables de mener des opérations similaires avec une efficacité identique ou supérieure. Dans le même temps, les experts n'excluent pas l'option dans laquelle ces prévisions seront mises en œuvre avant la période spécifiée.

D'autres analystes notent que les robots peuvent s'appliquer. Par exemple, les experts McKinsey accordent une attention particulière au fait que les robots, contrairement aux gens, ne paient pas d'impôts. En conséquence, en raison de la baisse des revenus du budget, l'État ne sera pas en mesure de soutenir les infrastructures au même niveau. Par conséquent, Bill Gates a proposé d'introduire une nouvelle taxe sur les techniques robotiques.

Les technologies d'AI augmentent l'efficacité des entreprises en réduisant le nombre d'erreurs faites. En outre, ils vous permettent d'augmenter la vitesse des opérations au niveau que la personne ne peut pas réaliser.

L'essence de l'intelligence artificielle dans le format des questions et réponses. L'histoire de la création, la technologie de recherche est une intelligence artificielle avec QI et est-il possible de la comparer avec l'homme. J'ai répondu aux questions professeur de l'Université Stanford John McCarthy.

Qu'est-ce que l'intelligence artificielle (AI)?

L'intelligence artificielle est une zone de science et d'ingénierie, engagée dans la création de machines et de programmes informatiques avec une intelligence. Il est associé à la tâche d'utiliser des ordinateurs pour comprendre l'intelligence humaine. Dans le même temps, l'intelligence artificielle ne devrait pas être limitée uniquement par des méthodes biologiquement observées.

Oui, mais qu'est-ce que l'intelligence?

Intelligence - la capacité d'arriver à une solution à l'aide de calculs. L'intellect de différents types et niveaux a des gens, de nombreux animaux et des voitures.

N'y a-t-il aucune définition d'intelligence qui ne dépend pas de sa corrélation avec l'intelligence humaine?

Jusqu'à présent, il n'y a pas de compréhension, quels types de procédures de calcul que nous voulons être appelées intellectuelles. Nous savons loin de tous les mécanismes d'intelligence.

Est l'intelligence d'un concept sans équivoque à la question "cette intelligence de voiture?" Il était possible de répondre "oui" ou "non"?

Pas. Les études d'AI ont montré comment n'utiliser que certains des mécanismes. Si seulement des modèles bien étudiés sont nécessaires pour effectuer la tâche, des résultats très impressionnants sont obtenus. Ces programmes ont une "petite" intelligence.

La tentative d'intelligence artificielle est-elle tenter d'imiter l'intelligence humaine?

Parfois, mais pas toujours. D'une part, nous apprenons à fabriquer des machines résoudre des problèmes, à regarder des personnes ou au travail de nos propres algorithmes. D'autre part, des chercheurs de recherche utilisent des algorithmes qui ne sont pas observés chez l'homme ou nécessitent des ressources de calcul beaucoup plus grandes.

Les programmes informatiques ont un QI?

Pas. Le QI est basé sur le rythme du développement de l'intellect chez les enfants. C'est une attitude d'âge, dans laquelle l'enfant gagne généralement un certain résultat, à l'âge de l'enfant. Cette évaluation s'applique de manière appropriée aux adultes. IQ corréla bien avec divers indicateurs de succès ou d'échec dans la vie. Mais la création d'ordinateurs pouvant composer un score élevé dans des tests IQ sera mal connectée à leur utilité. Par exemple, la capacité de l'enfant à répéter la longue séquence de nombres est bien corrélée à d'autres capacités intelligentes. Il montre combien d'informations qu'un enfant peut se souvenir à la fois. Dans ce cas, la déduction dans les numéros de mémoire est une tâche triviale même pour les ordinateurs les plus primitifs.

Comment comparer les intelligences humaines et informatiques?

Arthur R. Jensen, un chercheur de premier plan dans le domaine de l'intelligence humaine, comme une «hypothèse heuristique» soutient que les personnes ordinaires ont les mêmes mécanismes de renseignement et les mêmes différences intellectuelles sont associés à des conditions "quantitatives biochimiques et physiologiques". Celles-ci incluent la vitesse de pensée, la mémoire à court terme et la capacité de former des souvenirs à long terme précis et récupérables.

Indépendamment de la question de savoir si Jensen's Point est juste en rapport avec l'intelligence humaine, la situation dans l'AI est le contraire.

Les programmes informatiques ont une grande quantité de vitesse et de mémoire, mais leurs capacités correspondent à des mécanismes intellectuels que les développeurs de programmes comprennent et peuvent investir dans eux. Quelques capacités que les enfants ne se développent généralement pas avant que l'âge adolescent soient introduits. D'autres personnes qui possèdent des enfants de deux ans sont toujours manquantes. Le point est encore plus aggravé par le fait que les sciences cognitives ne peuvent toujours pas déterminer avec précision les capacités humaines. Très probablement, l'organisation de mécanismes intellectuels d'AI est relativement différente de ceux chez l'homme.

Lorsqu'une personne parvient à résoudre la tâche plus rapidement qu'un ordinateur, cela suggère que les développeurs ne disposent pas de la compréhension des mécanismes de renseignement nécessaires pour effectuer efficacement cette tâche.

Quand l'étude a-t-elle commencé?

Après la Seconde Guerre mondiale, plusieurs personnes ont commencé à travailler de manière indépendante sur des machines intellectuelles. Les mathématiques anglaises Alan Turing peuvent avoir été les premières. Il a lu sa conférence en 1947. Turing l'un des premiers à décider que l'IA est mieux étudié par les ordinateurs de programmation et ne concevant pas de machines. À la fin des années 1950, il y avait beaucoup de chercheurs AI et la plupart d'entre eux ont fondé leur travail sur les ordinateurs de programmation.

L'objectif est-il de mettre l'esprit humain dans un ordinateur?

L'esprit humain a beaucoup de fonctionnalités, il est difficilement possible d'imiter chacun d'eux.

Qu'est-ce que Turing Test?

Dans l'article A. Alan Tyurin, 1950, «Ordinateur et esprit» ont discuté des conditions pour le matériel de la machine par intelligence. Il a fait valoir que si la voiture pouvait prétendre être un homme devant un observateur raisonnable, vous devriez bien sûr considérer cela raisonnable. Ce critère satisfera la plupart des gens, mais pas tous les philosophes. L'observateur doit interagir avec une machine ou un homme à travers un outil d'E / S pour éliminer la nécessité de simuler le vote externe ou humain. La tâche des deux voitures et une personne est de faire en sorte que l'observateur se considère comme un homme.

Turing Turing est unilatéral. La machine, passant avec succès le test, devrait certainement être considérée comme raisonnable, même s'il n'a pas la connaissance des personnes suffisantes pour les imiter.

Le livre de Daniel Dennet "Brainchildren" contient une excellente discussion sur le test Turing et ses différentes parties qui ont été mises en œuvre avec succès, c'est-à-dire avec des restrictions sur la connaissance de l'observateur de l'AI et du sujet de la discussion. Il s'avère que certaines personnes sont assez faciles à convaincre qu'un programme assez primitif est raisonnable.

L'objectif est-il de réaliser le niveau d'intelligence humain?

Oui. L'objectif ultime est de créer des programmes informatiques pouvant résoudre des problèmes et atteindre des objectifs ainsi qu'une personne. Cependant, les scientifiques menant des recherches dans des régions étroites ont mis des objectifs beaucoup moins ambitieux.

Jusqu'où est l'intelligence artificielle de la réalisation du niveau humain? Quand va-t-il arriver?

Intelligence niveau humain peut être réalisé en écrivant grand nombre Programmes et collecte de bases de données approfondies de connaissances des faits dans des langues utilisées aujourd'hui pour exprimer des connaissances.Néanmoins, la plupart des chercheurs d'AI estiment que de nouvelles idées fondamentales sont nécessaires. Par conséquent, il est impossible de prédire lorsque l'intelligence du niveau humain sera créée.

La machine d'ordinateur peut-elle être intellectuelle?

Les ordinateurs peuvent être programmés pour simuler tout type de machine.

La vitesse des ordinateurs leur permet d'avoir une intelligence?

Certaines personnes pensent qu'ils sont nécessaires à la fois des ordinateurs plus rapides et de nouvelles idées. Les ordinateurs et il y a 30 ans étaient assez rapides. Si nous savions seulement comment les programmer.

Qu'en est-il de la création d'une "voiture pour enfants", qui pourrait améliorer en lisant et en apprenant sur leur propre expérience?

Cette idée a été proposée à plusieurs reprises depuis les années 1940. En fin de compte, il sera mis en œuvre. Néanmoins, les programmes d'IA n'ont pas encore atteint le niveau permettant à un grand nombre de ce qu'un enfant apprend pendant une activité vitale. Les programmes existants ne sont pas bien compris pour apprendre beaucoup en lisant.

Sont la théorie de la calculabilité et de la complexité de calcul des clés de l'IA?

Pas. Ces théories sont pertinentes, mais n'affectent pas les problèmes fondamentaux de l'AI.

Dans les années 1930, la logique mathématique Kurt Gödel et Alan Turing ont constaté qu'il n'y avait pas d'algorithmes qui garantiraient la solution de toutes tâches dans certaines régions mathématiques importantes. Par exemple, les réponses aux questions d'esprit: "est la proposition du premier ordre du théorème" ou "si l'équation polynomiale a des solutions entière dans d'autres variables". Étant donné que les gens sont capables de résoudre les tâches de ce type, ce fait a été proposé comme un argument en faveur du fait que les ordinateurs sont intrinsèquement incapables de faire ce que les gens font. Roger Penrose dit cela. Cependant, les gens ne peuvent pas garantir des solutionsarbitraire Tâches dans ces domaines.

Dans les années 1960, les programmeurs scientifiques, parmi lesquels Steve Cook et Richard Carp, ont développé la théorie des tâches NP-complètes. Les tâches dans ces zones sont solvables, mais apparemment, leur solution nécessite le temps de croissance de manière exponentielle avec la dimensionnalité du problème. L'exemple le plus simple de la zone de tâche NP-complète est la question: quelles déclarations sont remplies par la logique? Les gens résolvent souvent des problèmes dans le domaine des tâches complètes du NP parfois plus rapidement que garantis par les principaux algorithmes, mais ne peuvent pas les résoudre rapidement dans le cas général.

Pour AI, il est important que lors de la résolution des tâches algorithmes étaient les mêmes effectifs que esprit humain. Détermination des sous-domaines dans lesquels il y a de bons algorithmes, est important, mais de nombreux programmes, tâches décisives AI, non liée à des sublicas facilement identifiables.

La théorie de la complexité des classes communes de tâches est appelée complexité de calcul. Jusqu'à présent, cette théorie n'a pas été interagi avec AI autant que possible de l'espoir. Le succès dans la résolution des problèmes avec les personnes et les programmes AI dépend apparemment des propriétés des tâches et des méthodes de résolution de problèmes que ni les chercheurs de complexité, ni la communauté de l'AI ne peuvent déterminer exactement.

Également pertinent la théorie de la complexité algorithmique conçue de manière indépendante les unes des autres Solomonov, Kolmogorov et Chaytti. Il définit la complexité d'un objet de caractère comme programme le plus court qui peut le générer. La preuve du fait que le programme candidat est le plus court ou proche de cela est une tâche intraitable, mais la présentation d'objets en générant des programmes courts peut parfois clarifier la situation, même si vous ne pouvez pas prouver que votre programme est le plus court.